落煤殘存瓦斯量的確定是采掘工作面瓦斯涌出量預測的重要環節,它直接影響著采掘工作面瓦斯涌出量預測的精度,并與煤的變質程度、落煤粒度、原始瓦斯含量、暴露時間等影響因素呈非線性關系。人工神經網絡具有表示任意非線性關系和學習的能力,是解決復雜非線性、不確定性和時變性問題的新思想和新方法。基于此,作者提出自適應神經網絡的落煤殘存瓦斯量預測模型,并結合不同礦井落煤殘存瓦斯量的實際測定結果進行驗證研究。結果表明,自適應調整權值的變步長BP神經網絡模型預測精度高,收斂速度快 該預測模型的應用可為采掘工作面瓦斯涌出量的動態預測提供可靠的基礎數據,為采掘工作面落煤殘存瓦斯量的確定提出了一種全新的方法和思路。
上傳時間： 2015-03-12
上傳用戶：熊少鋒
—圖數據類型的實現——問題描述：圖是一種較線性表和樹更為復雜的數據結構。在圖形結構中，結點之間的關系是任意的，任意兩個數據元素之間都可能相關，因此，圖的應用非常廣泛，已滲入到諸如語言學‘邏輯學、物理、化學、電訊工程、計算機科學及數學的其它分支中。因此，實現圖這種數據類型也尤為重要，在該練習中即要實現圖的抽象數據類型。基本要求：2、 定義出圖的ADT；3、 采用鄰接矩陣及鄰接表的存儲結構（有向圖也可使用十字鏈表）實現以下操作：a. 構造圖 b. 銷毀圖 c. 定位操作d. 訪問圖中某個頂點的操作e. 給圖中某個頂點賦值的操作f. 找圖中某個頂點的第一個鄰接點g. 找出圖G中頂點v相對于w的下一個鄰接點h. 在圖G中添加新頂點vi. 刪除圖G中頂點vj. 在圖G中插入一條邊k. 在圖G中刪除一條邊l. 實現圖的深度遍歷操作m. 實現圖的廣度遍歷操作參考提示：具體內容參看教科書本156頁實驗要求：對于以上具體操作要求實現時有良好的用戶交互界面。詳細設計、編碼、測試。
上傳時間： 2015-03-13
上傳用戶：saharawalker
1.Session獲取BDE信息 2.可視化創建數據表格 3.SQL語句的使用 4.“一對多表”的設計 5.文本和數據記錄的轉換 6.ADO的網絡調用 7.多媒體數據庫的使用 8.IntraWeb技術的實現 9.Rave報表的數據庫使用 10.決策圖的使用
上傳時間： 2015-03-13
上傳用戶：hwl453472107
實現m階B_樹 （2）將線性表中的鍵值插入到B_樹中（即建立索引）； （3）當刪除和插入數據到線性表時，同時維護其索引B_樹。 （4）可根據所給鍵值范圍，輸出該范圍的所有鍵值
上傳時間： 2015-03-13
上傳用戶：q123321
uclinux線程的創建、消息隊列的創建、信號量、互斥信號量、信號等的創建，采用vxworks的接口方式
上傳時間： 2014-01-11
上傳用戶：txfyddz
用C++實現的 用鏈表實現無限大整數的加減運算,
上傳時間： 2014-11-27
上傳用戶：ukuk
用鏈表實現的職工管理軟件 ( C+ + )
標簽： 管理軟件
上傳時間： 2014-12-22
上傳用戶：zsjzc
實現了一個鏈表的逆轉,全部過程在一個鏈表內完成!
標簽： 過程
上傳時間： 2013-12-17
上傳用戶：GavinNeko
Autolife模型是一個能夠進行“開放式進化”的人工生命系統。每個Agent模型采用可以變化規則表長度的有限自動機模型建模。一方面Agent可以進行自我繁殖，同時模型中的選擇機制沒有采用顯式的適應度函數而是采用能量消耗的簡單模型而自發涌現出來，所以可以認為Agent模型是一個類Tierra系統。然而與Tierra、Avida等數字生命模型不同的是，Autolife模型進行了大大的簡化，它界面友好，操作直接。雖然沒有給每個Agent裝配一個虛擬計算機，但是Agent與環境的耦合則可以看成一個圖靈機模型，因此Agent可以通過變異而“任意”的編程序。通過Autolife模型，首先人們可以看到一般的生態系統中共存的現象：生物的大爆炸、大滅絕，Agent進化得越來越聰明；其次，用戶可以通過變化不同的食物添加規則探索Agent與環境的關系；最后，如果允許Agent通過播種改變環境自動產生食物，那么組織的涌現就是一種不可避免的結果。Agent構成的組織具有自主運動的特性，還可以進行自我修復，可以說Autolife中的組織是一些真正的“活體”。
上傳時間： 2015-03-14
上傳用戶：a6697238
結合均勻設計表和小邊經驗公式產生初始種群，使TSP應用遺傳算法能求出更優更快解，詳盡說明見paper.doc。
上傳時間： 2013-12-24
上傳用戶：蟲蟲蟲蟲蟲蟲
